CN103020368A - 列车头优化设计方法 - Google Patents

Abstract

本发明提供一种列车头优化设计方法，其特征在于，包括如下步骤：建立列车整车的参数化模型；设定可改变所述列车整车的参数化模型的优化设计变量，并设定至少两个优化设计目标；根据所述优化设计变量，循环对所述列车整车的参数化模型进行变形得到新的列车整车的参数化模型，以及对所述新的列车整车的参数化模型进行网格化处理和空气动力学计算，得到新的列车整车的参数化模型所对应的优化设计目标的值；通过优化设计算法，进行多目标优化迭代计算，得到最优设计方案。通过本发明提供的列车头优化设计方法，实现了列车头型的多目标优化设计，综合考虑多个目标，从多目标中进行分析找出最优设计方案，实现多目标的优化设计。

Description

列车头优化设计方法

技术领域

本发明涉及高速列车设计技术，尤其涉及一种列车头优化设计方法。

背景技术

高速列车的气动性能与列车的外形，特别是头部外形有着密切的关系。头型优化设计，可以有效缩短新头型的设计周期，提高头型的优化设计效率，是高速列车流线型头型设计的新型技术，在高速动车组的设计研发过程中占有至关重要的地位。

目前，上海磁悬浮交通工程技术中心对磁悬浮列车头型上进行了创新，并提出来“高速列车车头的设计方法”的专利申请，所提出的高速列车车头设计方法包括如下步骤：(1)建立高速列车车头的参数化模型，其中包括描绘列车的头部形状的三条主控制型线和两条辅助控制型线，所述三条主控制型线包括纵向对称面最大控制型线、俯视最大控制型线和车体截面外廓型线，所述两条辅助控制型线使车头背部和侧面光滑连接，所述纵向对称面最大控制型线主要控制列车的阻力，所述俯视最大控制型线主要控制列车的交会压力波，所述车体截面外廓型线保持与现有的高速列车相同；(2)纵向对称面最大控制型线和俯视最大控制型线用二次曲线来表示，每条二次曲线用3个参数来控制，所述3个参数分别是列车头部长度、角度和形状参数，纵向对称面最大控制型线和俯视最大控制型线共由6个参数控制，根据现有高速列车车头的外形，对这6个参数选取合理的变化范围，并取具体数值，分别对纵向对称面最大控制型线和俯视最大控制型线的参数排列组合，列出数据设计表；(3)根据所述设计表中的参数，利用计算流体动力学(CFD)软件分别对纵向对称面最大控制型线和俯视最大控制型线的试验方案进行二维流动计算，对纵向对称面最大控制型线的试验方案计算阻力，选取使得阻力系数最小的参数值作为对称面最大控制型线的参数，对俯视最大控制型线的试验方案计算会车压力波的幅值，选取使得会车压力波的幅值最小的参数值作为俯视最大控制型线的参数；(4)根据所选取的纵向对称面最大控制型线和俯视最大控制型线的参数，结合车体截面外廓型线通过无限插值得到Coons曲面，或者采用NURBS曲面，根据需要增加辅助控制型线对Coons曲面进行必要的修改，确定三维高速列车车头模型；(5)对三维高速列车车头模型开展三维流动计算，计算得到的阻力与现有的高速列车相比，验证阻力是否减小，如果是，则设计完成；如果不是，再回到第(2)步，更改6个参数的变化范围，重复第(3)步到第(5)步。

但该技术方案是用单目标优化设计方法进行优化设计，但在实际的列车机头设计中，存在多个目标相互冲突的问题，一个目标的改善会引起另外一个或多个目标降低的问题，单目标优化设计方法所得到的优化设计方案有可能降低其它目标的值，因此所得到的设计方案有可能不是最优的设计方案。

发明内容

本发明提供一种列车头优化设计方法，用于解决现有技术用单目标优化设计方法所得到的设计方案可能不是最优的设计方案的问题。

本发明提供一种列车头优化设计方法，包括如下步骤：

一种列车头优化设计方法，其特征在于，包括如下步骤：

步骤1、建立列车整车的参数化模型；

包括：对列车头部的实体模型进行参数化处理，建立所述列车头部的参数化模型，以及在所述列车头部的参数化模型的基础上建立所述列车整车的参数化模型；

步骤2、设定可改变所述列车整车的参数化模型的优化设计变量，并设定至少两个优化设计目标；

步骤3、根据所述优化设计变量，循环对所述列车整车的参数化模型进行变形得到新的列车整车的参数化模型，以及对所述新的列车整车的参数化模型进行网格化处理和空气动力学计算，得到所述新的列车整车的参数化模型所对应的优化设计目标的值；

步骤4、根据所述优化设计变量以及循环得到的各优化设计目标的值，通过优化设计算法，进行多目标优化迭代计算，得到最优解集，并从所述最优解集中得到包括最优设计方案对应的优化设计变量以及对应的优化设计目标的值的最优解。

通过本发明提供的列车头优化设计方法，实现了列车头型的多目标优化设计，综合考虑多个目标，从多目标中进行分析找出最优设计方案，实现多目标的优化设计。

附图说明

图1为本发明实施例中列车头优化设计方法的流程示意图；

图2为本发明实施例中列车头的控制曲线的示意图；

图3为本发明实施例中列车头的整个设计过程的流程示意图；

图4为本发明实施例中流场计算区域的区域划分示意图；

图5为本发明实施例中迭代过程中长细比控制变量xscale的整体变化曲线图；

图6为本发明实施例中迭代过程中纵向对称线的坐标增量dz1的整体变化曲线图；

图7为本发明实施例中迭代过程中中部控制线的坐标增量dy7的整体变化曲线图；

图8为本发明实施例中迭代过程中鼻尖高度控制变量nscale的整体变化曲线图；

图9为本发明实施例中迭代过程中水平最大外轮廓线的坐标增量dy3的整体变化曲线图；

图10为本发明实施例中迭代过程中车底水平轮廓线的坐标增量dy4的整体变化曲线图；

图11为本发明实施例中迭代过程中优化目标阻力的整体变化曲线图；

图12为本发明实施例中迭代过程中优化目标升力绝对值的整体变化曲线图；

图13为为本发明实施例中阻力和升力绝对值相互关系的曲线示意图。

具体实施方式

实施例一

本发明实施例一提供一种列车头优化设计方法，如图1所示，该优化设计算法包括以下步骤：

步骤1、建立列车整车的参数化模型；

包括：对列车头部的实体模型进行参数化处理，建立所述列车头部的参数化模型，以及在所述列车头部的参数化模型的基础上建立所述列车整车的参数化模型；

步骤2、设定可改变所述列车整车的参数化模型的优化设计变量，并设定至少两个优化设计目标；

步骤3、根据所述优化设计变量，循环对所述列车整车的参数化模型进行变形得到新的列车整车的参数化模型，以及对所述新的列车整车的参数化模型进行网格化处理和空气动力学计算，得到所述新的列车整车的参数化模型对应的优化设计目标的值；

步骤4、根据所述优化设计变量以及循环得到的各优化设计目标的值，通过优化设计算法，进行多目标优化迭代计算，得到最优解集，并从所述最优解集中得到包括最优设计方案对应的优化设计变量以及对应的优化设计目标的值的最优解。

通过本发明实施例提供的列车头优化设计方法，实现了列车头型的多目标优化设计，综合考虑多个目标，从多目标中进行分析找出最优设计方案，实现多目标的优化设计。

实施例二

本发明实施例二还提供一种列车头优化设计方法，本实施例中，在建立列车整车的参数化模型之前，首先对列车头部进行人机工程分析，以确定列车头部的基本外型，并建立所述列车头部的实体模型。

具体的，首先根据人机工程学的基本原理和车身设计的人工工程学标准，进行人机工程分析，研究高速列车头部外形与驾驶安全之间的关系，完成列车头部实体模型的建立。由于高速列车流线型头部关于纵向对称线具有高度的对称性，因此进行头部建模时，只需要对左（或右）半部头型进行建模，本实施例是对左半部头型进行建模。

本实施例中，列车头部实体模型的建立是通过三维建模软件CATIA进行的，具体是采用B-Spline曲面来建立列车头部的外表面形状。B-Spline曲面由一系列的B-Spline曲线构成，而B-Spline曲线是由一系列的控制点构成。如图2所示，本实施例中的左半部头型由162个控制点、12条样条曲线（C1～C12）及7个样条曲面组成。修改该162个控制点的坐标，可实现列车头部外形的改变。

完成列车左半部头型的实体建模后，对其进行参数化处理，然后由该左半部头型出发，采用平移、建立样条曲线、建立样条曲面、对称等操作，可以完成列车整车的参数化模型。

本实施例中，列车头部是通过外形控制参数和控制型线来实现的，外形控制参数包括头型风格、客室型式、头部长度、宽度、高度、倾斜度等。控制型线主要由纵向、横向、水平剖面的最大轮廓线，

具体的，根据列车的参数化模型，选取描绘列车头部形状的外形控制参数及控制曲线作为优化设计变量，将列车车头的阻力系数和升力系数作为优化目标。本实施例中选用的优化设计变量包括长细比控制变量xscale、纵向对称线C1的坐标增量dz1、中部控制线C7的坐标增量dy7、鼻尖高度控制变量nscale、车底水平轮廓线C4的坐标增量dy4及水平最大外轮廓线C3的坐标增量dy3。

具体的，长细比控制变量xscale控制列车头部的流线型长度，将列车头部的控制点纵坐标乘以xscale，可以实现流线型长度的变化，当xscale大于1时，流线型长度变大，当xscale小于1时，流线型长度变小；纵向对称线C1的坐标增量dz1控制控制线C1在垂向上的变化；中部控制线C7的坐标增量dy7控制控制线C7的内凹和外凸；鼻尖高度控制变量nscale控制鼻尖高度的变化，即控制线C9的变化；车底水平轮廓线C4的坐标增量dy4控制车底水平轮廓线C4的变化；水平最大外轮廓线C3的坐标增量dy3控制水平最大外轮廓线C3的变化。

本实施例在建立列车的整车的参数化模型后，是基于优化设计软件进行列车头部的优化设计及优化分析的。

首先，获得所述列车整车的参数化模型的建模过程的建模脚本文件，所述建模脚本文件用于启动三维建模软件并基于所述建模脚本文件建立列车整车的参数化模型。建模脚本文件的生成可在列车整车的参数化模型的建模过程中，将整个的建模过程录制到脚本文件中，生成建模脚本文件。

创建可通过修改所述优化设计变量以修改所述建模脚本文件的程序文件，该程序文件可通过MATLAB来实现，也可通过其它的一些软件来实现，该程序文件用于基于所述优化设计变量对建模脚本文件进行修改，可实现不同列车车头模型的建立

创建对所述参数化模型进行网格划分的网格划分脚本文件，所述网格划分脚本文件用于启动网格划分软件并对列车整车的参数化模型进行网格划分。本实施例是通过ICEM软件进行网格划分的，打开ICEM软件后，启动录制功能，进行模型导入、网格划分、网格检查、网格保存等操作，该整个过程都被录制到脚本文件中，生成网格划分脚本文件。

创建对所述参数化模型进行空气动力学计算的流体计算脚本文件，所述流体计算脚本文件用于启动空气动力学计算软件，以基于所述网格划分软件进行网格划分的所述列车整车的参数化模型进行空气动力学计算，得到优化设计目标的值。本实施例具体是通过打开Fluent软件，启动录制功能后，进行网格导入、网格检查、比例修改、湍流模型设置、边界设置、求解设置、初始化、监控、迭代计算、导出结果等操作，该整个操作过程被录制到脚本文件中，生成流体计算脚本文件。

本实施例中，还创建了对所述参数化模型进行多体系动力学分析的分析脚本文件，所述分析脚本文件用于启动多体系动力学软件，进行动力学模型分析。具体的，在创建流体计算脚本文件后，打开多体系动力学软件SIMPACK，SIMPACK软件是针对机械/机电系统运动学/动力学仿真分析的多体动力学分析软件包。打开多体系动力学软件SIMPACK后，录制动力学参数之间的计算过程，生成分析脚本文件，该分析脚本文件包括进行车辆动力学计算的车辆动力学计算模块、用于计算结果输出的结果输出模块及用于计算结果后处理的计算结果后处理模块。

然后，通过优化设计软件调用所述建模脚本文件，用于启动三维建模软件，并调用所述程序文件、所述网格划分脚本文件、所述流体计算脚本文件，以根据所述优化设计变量，自动循环利用所述程序文件对列车整车的参数化模型进行修改得到新的列车整车的参数化模型、利用所述网格划分脚本文件对所述新的列车整车的参数化模型进行网格化处理、以及利用所述流体计算脚本文件对所述新的列车整车的参数化模型进行空气动力学计算，得到所述新的列车整车的参数化模型对应的优化设计目标的值，从而得到各优化设计变量对应的列车整车的参数化模型以及对应的优化设计目标的值。本实施例中，在调用流体计算脚本文件后，还调用了分析脚本文件，以在利用流体计算脚本文件对新的列车整车的参数化模型进行空气动力学计算之后，还利用分析脚本文件根据设定的车辆动力学参数，进行动力学模型计算

具体的，本实施例所采用的优化设计软件是ISIGHT优化软件，ISIGHT优化软件调用各脚本文件是通过建立的各脚本文件的批处理文件来实现的。在各脚本文件生成后，又分别生成了启动建模脚本文件的Catia批处理文件、启动程序文件的Matlab批处理文件、启动网格划分脚本文件的ICEM批处理文件以及启动脚本流体计算脚本文件的Fluent批处理文件。然后将各批处理文件集成到ISIGHT优化软件设计平台中，通过ISIGHT优化设计软件循环调用各脚本文件的批处理文件，实现对所述优化设计变量的循环修改、根据所述优化设计变量实现所述参数化模型的自动循环变形、对所述参数化模型进行空气动力学计算网格的自动循环划分、及对所述参数化模型进行空气动力学的自动循环计算一系列操作，最终循环得到列车整车的参数化模型所对应的优化设计目标的值。

本实施例中，在对列车模型进行空气动力学计算时采用标准的k-e湍流模型进行计算，其控制方程表示为：

$\frac{\∂\left(\mathrm{\ρk}\right)}{\∂t}+\frac{\∂\left(\mathrm{\ρk}{u}_i\right)}{\∂x_i}=\frac{\∂}{\∂x_j}\left[(\mathrm{\μ}+\frac{{\mathrm{\μ}}_t}{{\mathrm{\σ}}_k})\frac{\∂k}{\∂x_j}\right]+{\mathrm{\μ}}_t\frac{\∂u_j}{\∂x_i}(\frac{\∂u_j}{\∂x_i}+\frac{\∂u_i}{\∂x_j})-\mathrm{\ρ\ϵ}$

$\frac{\∂\left(\mathrm{\ρ\ϵ}\right)}{\∂t}+\frac{\∂\left(\mathrm{\ρ\ϵ}{u}_i\right)}{\∂x_i}=\frac{\∂}{\∂x_j}\left[(\mathrm{\μ}+\frac{{\mathrm{\μ}}_t}{{\mathrm{\σ}}_{\mathrm{\ϵ}}})\frac{\∂\mathrm{\ϵ}}{{\∂x}_j}\right]+C_1{\mathrm{\μ}}_t\frac{\mathrm{\ϵ}}{k}\frac{\∂u_j}{\∂x_i}(\frac{\∂u_j}{\∂x_i}+\frac{\∂u_i}{\∂x_j})-C_2\mathrm{\ρ}\frac{{\mathrm{\ϵ}}^2}{k}$

其中，k为湍流动能；ε为湍流耗散率；μ_t＝C_μρk²/ε为湍流粘性系数；C_μ为湍流常数，一般情况下取C_μ＝0.09；C₁、C₂、σ_k、σε为经验常数，计算时取如下值C₁＝1.47，C₂=1.92，σ_k＝1.0，σ_ε=1.33。

本实施例中，对列车模型进行空气动力学计算时采用三节车模型进行模拟，即整个模型由一节头车、一节中间车和一节尾车组成，头车和尾车具有相同的外形。将列车简化成由一系列光滑曲面构成的几何体。

本实施例中，流场计算区域如图4所示，列车的运行方向为沿y轴负方向，流场计算区域的长度（正前方入口端到正后方出口端）、宽度（右侧入口端到左侧出口端）和高度（顶面到地面）分别为400m、80m和40m。列车正前方入口端截面与头车鼻尖处纵向距离为100m；列车正后方出口端截面与车头鼻尖处纵向距离为300m；顶面到地面的高度为40m；列车左（右）侧轨道中心线之间的距离为40m，列车与轨道所处地面之间的距离为0.376m。

明线运行时，区域左侧设置为速度入口边界条件，区域右侧设置为压力出口边界条件，区域两侧及顶端设置为对称边界，区域底端及列车表面设置为壁面边界条件。网格划分时，高速列车表面采用三角形网格，最大网格尺寸设置为200mm，空间网格采用四面体网格，最大网格尺寸设置为4000mm。

在进行空气动力学计算及多体系动力学分析后，根据优化设计变量以及循环得到的各优化设计目标的值，通过优化设计算法，进行多目标优化迭代计算，得到最优解集，并从所述最优解集中得到包括最优设计方案对应的优化设计变量以及对应的优化设计目标的值的最优解。

具体的，本实施例是通过ISIGHT优化软件进行优化计算的，优化变量为上述设定的长细比控制变量xscale、纵向对称线C1的坐标增量dz1、中部控制线C7的坐标增量dy7、鼻尖高度控制变量nscale、车底水平轮廓线C4的坐标增量dy4及水平最大外轮廓线C3的坐标增量dy3，设定各变量的取值范围，并设定优化目标为阻力最小、升力最小，本实施例中，初始的采样点设定为12个，采用多目标遗传算法NSGA-Ⅱ进行20代遗传计算，在完成240个设计后列车头型的优化设计计算完毕。图5-图10为优化设计输出的6个变量的整体变化曲线，从图中可看出，在迭代过程中，各优化变量有收敛的趋势。图11及图12给出了优化时每次设计输出的阻力、升力绝对值的整体变化曲线。从图中可看出，通过优化算法在设计空间中采样，每次设计得到的阻力值、升力绝对值整体呈现减小的趋势，列车头型逐渐向阻力最优和升力最优的方向改进。

本实施例中上述的整个优化设计过程可用图3所示的流程图进行概括，具体见图3所示。

从优化软件的优化结果中，我们还得出了优化目标与优化设计变量之间的关系。阻力与长细比控制变量xscale、水平最大外轮廓线的坐标增量dy3、车底水平轮廓线的坐标增量dy4、中部控制线的坐标增量dy7成负相关关系，与鼻尖高度控制变量nscale成正相关关系，而与纵向对称线的坐标增量dz1基本无关；通过增大长细比控制变量xscale、水平最大外轮廓线的坐标增量dy3、车底水平轮廓线的坐标增量dy4、中部控制线的坐标增量dy7，减小鼻尖高度控制变量nscale可以减小高速动车组的气动阻力。升力与纵向对称线的坐标增量dz1、中部控制线的坐标增量dy7成正相关关系，与长细比控制变量xscale、鼻尖高度控制变量nscale、车底水平轮廓线的坐标增量dy4成负相关关系。通过减小纵向对称线的坐标增量dz1、中部控制线的坐标增量dy7，增大长细比控制变量xscale、鼻尖高度控制变量nscale、车底水平轮廓线的坐标增量dy4可以减小高速动车组的气动升力。

本实施例中，图12给出了优化设计的最优解，最优解是一条曲线，

表1给出了最优解集及相应的优化目标的数值。

表1

xscale	dz1	dy7	nscale	dy4	dy3	Fd	|Fl|
								1.357646	-304.619	0.238884	0.894585	177.4219	198.0108	2818.633	2406.581
1.357646	-349.397	-0.06404	0.890083	182.9562	198.9864	2825.049	2298.769
								1.357564	-361.278	-0.18695	0.894585	160.9553	193.2979	2826.846	2249.417
1.360446	-301.385	0.239935	0.894585	177.4219	197.8193	2819.854	2368.254
								1.362801	-353.563	0.256602	0.894585	187.6713	186.3864	2818.768	2400.963
1.357641	-375.511	-0.19999	1.156707	177.8934	120.5305	2901.864	2171.231
								1.363142	-385.579	-0.13808	1.180742	184.4519	161.331	2852.7	2186.6
1.357646	-298.7	-0.19446	0.910521	178.9118	150.0253	2849.492	2236.171
								1.357565	-361.278	-0.15504	0.894585	160.9553	193.2979	2825.489	2261.623

从图13及表1可看出，同时使得阻力和升力达到最优是不可能的，本实施例中是取阻力、升力绝对值的和的最小值所对应的解作为最优解，即为表1中的第7行，由此可以得到最满意的列车头型。

本实施例得出的最优的列车头型的另一个显著特点是头型中间部分的横向控制曲线是凹向司机室的，由此带来的最大好处是高速动车组的尾车升力基本上为零，由此可以显著改善列车尾车的运行安全性。

通过本发明实施例提供的列车头优化设计方法，实现了列车头型的多目标优化设计，综合考虑多个目标，从多目标中进行分析找出最优设计方案，实现多目标的最优设计方案。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种列车头优化设计方法，其特征在于，包括如下步骤：

步骤1、建立列车整车的参数化模型；

包括：对列车头部的实体模型进行参数化处理，建立所述列车头部的参数化模型，以及在所述列车头部的参数化模型的基础上建立所述列车整车的参数化模型；

步骤2、设定可改变所述列车整车的参数化模型的优化设计变量，并设定至少两个优化设计目标；

步骤3、根据所述优化设计变量，循环对所述列车整车的参数化模型进行变形得到新的列车整车的参数化模型，以及对所述新的列车整车的参数化模型进行网格化处理和空气动力学计算，得到所述新的列车整车的参数化模型所对应的优化设计目标的值；

步骤4、根据所述优化设计变量以及循环得到的各优化设计目标的值，通过优化设计算法，进行多目标优化迭代计算，得到最优解集，并从所述最优解集中得到包括最优设计方案对应的优化设计变量以及对应的优化设计目标的值的最优解。

2.根据权利要求1所述的列车头优化设计方法，其特征在于，所述步骤3具体包括：

步骤301、创建脚本文件；

包括：获得所述列车整车的参数化模型的建模过程的建模脚本文件，所述建模脚本文件用于启动三维建模软件并基于所述建模脚本文件建立列车整车的参数化模型；

创建可通过修改所述优化设计变量以修改所述建模脚本文件的程序文件，所述程序文件用于基于所述优化设计变量对建模脚本文件进行修改；

创建对所述参数化模型进行网格划分的网格划分脚本文件，所述网格划分脚本文件用于启动网格划分软件并对列车整车的参数化模型进行网格划分；

创建对所述参数化模型进行空气动力学计算的流体计算脚本文件，所述流体计算脚本文件用于启动空气动力学计算软件，以基于所述网格划分软件对进行网格划分的所述列车整车的参数化模型进行空气动力学计算，得到优化设计目标的值；

步骤302、通过优化设计软件调用所述建模脚本文件，用于启动三维建模软件，并调用所述程序文件、所述网格划分脚本文件、所述流体计算脚本文件，以根据所述优化设计变量，自动循环利用所述程序文件对列车整车的参数化模型进行修改得到新的列车整车的参数化模型、利用所述网格划分脚本文件对所述新的列车整车的参数化模型进行网格化处理、以及利用所述流体计算脚本文件对所述新的列车整车的参数化模型进行空气动力学计算，得到所述新的列车整车的参数化模型对应的优化设计目标的值，从而得到各优化设计变量对应的列车整车的参数化模型以及对应的优化设计目标的值。

3.根据权利要求2所述的列车头优化设计方法，其特征在于，所述步骤301，还包括：

创建对所述参数化模型进行多体系动力学分析的分析脚本文件，所述分析脚本文件用于启动多体系动力学软件，以进行动力学模型分析；

所述步骤301还包括调用所述分析脚本文件，以在利用所述流体计算脚本文件对所述新的列车整车的参数化模型进行空气动力学计算之后，还利用所述分析脚本文件根据设定的车辆动力学参数，进行动力学模型计算。

4.根据权利要求3所述的列车头优化设计方法，其特征在于，所述分析脚本文件包括进行车辆动力学计算的车辆动力学计算模块、用于计算结果输出的结果输出模块及用于计算结果后处理的计算结果后处理模块。

5.根据权利要求1所述的列车头优化设计方法，其特征在于，在所述步骤1之前，还包括：

对列车头部进行人机工程分析，以确定列车头部的基本外型，并建立所述列车头部的实体模型。

6.根据权利要求1所述的列车头优化设计方法，其特征在于，所述优化设计变量具体包括描绘所述列车头部的形状的长细比控制变量、纵向对称线的坐标增量、中部控制线的坐标增量、鼻尖高度控制变量、车底水平轮廓线的坐标增量及水平最大外轮廓线的坐标增量。

7.根据权利要求1所述的列车头优化设计方法，其特征在于，所述优化设计目标包括阻力系数设计目标和升力系数设计目标。

8.根据权利要求1所述的列车头型优化设计方法列车头优化设计方法，其特征在于，步骤3中，对列车整车的参数化模型进行所述空气动力学计算时，采用标准k-e湍流模型进行计算，所述标准k-e湍流模型的控制方程表示为：

$\frac{\∂\left(\mathrm{\ρk}\right)}{\∂t}+\frac{\∂\left(\mathrm{\ρk}{u}_i\right)}{\∂x_i}=\frac{\∂}{\∂x_j}\left[(\mathrm{\μ}+\frac{{\mathrm{\μ}}_t}{{\mathrm{\σ}}_k})\frac{\∂k}{\∂x_j}\right]+{\mathrm{\μ}}_t\frac{\∂u_j}{\∂x_i}(\frac{\∂u_j}{\∂x_i}+\frac{\∂u_i}{\∂x_j})-\mathrm{\ρ\ϵ}$

$\frac{\∂\left(\mathrm{\ρ\ϵ}\right)}{\∂t}+\frac{\∂\left(\mathrm{\ρ\ϵ}{u}_i\right)}{\∂x_i}=\frac{\∂}{\∂x_j}\left[(\mathrm{\μ}+\frac{{\mathrm{\μ}}_t}{{\mathrm{\σ}}_{\mathrm{\ϵ}}})\frac{\∂\mathrm{\ϵ}}{{\∂x}_j}\right]+C_1{\mathrm{\μ}}_t\frac{\mathrm{\ϵ}}{k}\frac{\∂u_j}{\∂x_i}(\frac{\∂u_j}{\∂x_i}+\frac{\∂u_i}{\∂x_j})-C_2\mathrm{\ρ}\frac{{\mathrm{\ϵ}}^2}{k}$

其中，k为湍流动能；ε为湍流耗散率；μ_t＝C_μρk²/ε为湍流粘性系数；C_μ为湍流常数；C₁、C₂、σ_k、σ_ε为经验常数，C₁=1.47，C₂＝1.92，σ_k＝1.0，σ_ε=1.33。

9.根据权利要求1所述的列车头优化设计方法，其特征在于，所述步骤4中，所述优化设计算法为多目标遗传算法NSGA-Ⅱ。

10.根据权利要求2所述的列车头优化设计方法，其特征在于，所述三维建模软件为CATIA软件；

所述网格划分软件为ICEM软件；

所述空气动力学计算软件为Fluent软件；

所述优化设计软件为Isight软件。

Images